third 置顶2019-02-19两者的区别的比喻是，
Kmeans开班，选老大，风水轮流转，直到选出最佳中心老大
Knn小弟加队伍，离那个班相对近，就是那个班的
一群人的有些人想要聚在一起
首先大家民主（无监督学习）随机选K个老大（随机选择K个中心点）
谁跟谁近，就是那个队伍的人（计算距离，距离近的聚合到一块）
随着时间的推移，老大的位置在变化（根据算法，重新计算中心点）
直到选出真正的中心老大（重复，直到准确率最高）
Knn
一个人想要找到自己的队伍
首先听从神的旨意（有监督学习），随机最近的几个邻居
看看距离远不远（根据算法，计算距离）
近的就是一个班的了（属于哪个分类多，就是哪一类）
#输入数据
#数据探索
import pandas as pd
data=pd.read_csv("./26/data.csv",encoding='gbk')
# print(data)数据符合完整合一，数据质量较高
#提取数据
train_x=data[["2019年国际排名","2018世界杯","2015亚洲杯"]]
#数据规范化
from sklearn import preprocessing
ss=preprocessing.StandardScaler()
train_ss_x=ss.fit_transform(train_x)
#对数据进行拟合并预测
from sklearn.cluster import KMeans
kmeans=KMeans(n_clusters=5)
kmeans.fit(train_ss_x)
pre=kmeans.predict(train_ss_x)
#数据对比
train_x=pd.DataFrame(train_x)
result=pd.concat((data,pd.DataFrame(pre)),axis=1)
result.rename({0:u'聚类'},axis=1,inplace=True)
print(result)展开编辑回复: 举例很生动，代码也正确。大家可以看下。
14
Lee 置顶2019-02-14# coding: utf-8
from sklearn.cluster import KMeans
from sklearn import preprocessing
import pandas as pd
import numpy as np
# 输入数据
data = pd.read_csv(r'F:\Python\notebook\K-Means\kmeans-master\data.csv', encoding = 'gbk')
data.head()
train_x = data[["2019年国际排名","2018世界杯","2015亚洲杯"]]
df = pd.DataFrame(train_x)
kmeans = KMeans(n_clusters=5)
# 规范化
min_max_scaler=preprocessing.StandardScaler()
train_x=min_max_scaler.fit_transform(train_x)
# kmeans 算法
kmeans.fit(train_x)
predict_y = kmeans.predict(train_x)
# 合并聚类结果，插入到原数据中
result = pd.concat((data,pd.DataFrame(predict_y)),axis=1)
result.rename({0:u'聚类'},axis=1,inplace=True)
print(result)
国家 2019年国际排名 2018世界杯 2015亚洲杯 聚类
0 中国 73 40 7 0
1 日本 60 15 5 3
2 韩国 61 19 2 3
3 伊朗 34 18 6 3
4 沙特 67 26 10 0
5 伊拉克 91 40 4 0
6 卡塔尔 101 40 13 4
7 阿联酋 81 40 6 0
8 乌兹别克斯坦 88 40 8 0
9 泰国 122 40 17 4
10 越南 102 50 17 4
11 阿曼 87 50 12 2
12 巴林 116 50 11 2
13 朝鲜 110 50 14 2
14 印尼 164 50 17 1
15 澳洲 40 30 1 3
16 叙利亚 76 40 17 4
17 约旦 118 50 9 2
18 科威特 160 50 15 1
19 巴勒斯坦 96 50 16 4展开编辑回复: 正确
5
2019-02-15然后我们再重新计算这三个类的中心点，如何计算呢？最简单的方式就是取平均值，然后根据新的中心点按照距离远近重新分配球队的分类，再根据球队的分类更新中心点的位置。计算过程这里不展开，最后一直迭代（重复上述的计算过程：计算中心点和划分分类）到分类不再发生变化。
老师，这段可以再解释一下吗？没计算过程不太理解编辑回复: 同一个类别下的平均值。比如都属于同一个类别里面有10个点，那么新的中心点就是这10个点的中心点，一种简单的方式就是取平均值。比如我在文章里举了足球队的例子，一共有3个指标，每个球队都有这三个指标的特征值，那么新的中心点，就是取这个类别中的这些点 这三个指标特征值的平均值。。
1 5
2019-03-05老师，请问为什么要对train_x转化为datadframe格式呢？df=pd.DataFrame(train_x)，df有什么用呢？编辑回复: 可以不用转换，之前已经用了：
data = pd.read_csv('data.csv', encoding='gbk')
train_x = data[["2019年国际排名","2018世界杯","2015亚洲杯"]]
得到的train_x是DataFrame数据结构，你也可以通过查看type(train_x)，所以不用再转换了。 1 4
2019-03-22代码里的第八行应该去掉列名里的空格：
train_x = data[['2019年国际排名','2018世界杯','2015亚洲杯']]
Z-score标准化的代码：train_x=preprocessing.scale(train_x)
国家 2019年国际排名 2018世界杯 2015亚洲杯 聚类
0 中国 73 40 7 3
1 日本 60 15 5 1
2 韩国 61 19 2 1
3 伊朗 34 18 6 1
4 沙特 67 26 10 1
5 伊拉克 91 40 4 3
6 卡塔尔 101 40 13 0
7 阿联酋 81 40 6 3
8 乌兹别克斯坦 88 40 8 3
9 泰国 122 40 17 4
10 越南 102 50 17 4
11 阿曼 87 50 12 0
12 巴林 116 50 11 0
13 朝鲜 110 50 14 0
14 印尼 164 50 17 2
15 澳洲 40 30 1 1
16 叙利亚 76 40 17 4
17 约旦 118 50 9 0
18 科威特 160 50 15 2
19 巴勒斯坦 96 50 16 4展开作者回复: Good Job
2 3
2019-10-08K-Means 是聚类算法：经常做坏事的人 ，就是坏人。
KNN 是分类算法：坏人经常做坏事。
我对孩子就是这么说的。作者回复: 哈哈哈 这么说很形象
1- 2019-08-11为什么,你们的代码,运行出来跟我的结果都不一样
作者回复: KMeans每次运行结果不一定都相同，有一定随机性
1 1 
2019-04-27老师，怎么更换距离计算方法 1
2019-02-18如何调整聚类中心没听懂编辑回复: 取特征值的平均值为中心点。
1 1- 2020-01-22老师，看到之前的算法，都先用训练数据训练出模型，再用测试数据跑出预测数据，但这篇文章没有训练数据训练模型的步骤，为啥直接就跑出预测数据了呢？
2020-01-02数据处理部分，为什么能把排名作为正态分布？？？
2019-12-30== 分5类（正太分布标准化） =======
国家 2019年国际排名 2018世界杯 2015亚洲杯 聚类
0 中国 73 40 7 2
1 日本 60 15 5 1
2 韩国 61 19 2 1
3 伊朗 34 18 6 1
4 沙特 67 26 10 1
5 伊拉克 91 40 4 2
6 卡塔尔 101 40 13 0
7 阿联酋 81 40 6 2
8 乌兹别克斯坦 88 40 8 2
9 泰国 122 40 17 0
10 越南 102 50 17 0
11 阿曼 87 50 12 0
12 巴林 116 50 11 4
13 朝鲜 110 50 14 0
14 印尼 164 50 17 3
15 澳洲 40 30 1 1
16 叙利亚 76 40 17 0
17 约旦 118 50 9 4
18 科威特 160 50 15 3
19 巴勒斯坦 96 50 16 0展开
2019-11-18from sklearn.cluster import KMeans
from sklearn import preprocessing
import numpy as np
import pandas as pd
#输出数据
data=pd.read_csv('./kmeans-master/data.csv',encoding ='gbk')
train_x = data[['2019年国际排名','2018世界杯','2015亚洲杯']]
#规范化数据
min_max_scaler=preprocessing.MinMaxScaler()
train_x_mm=min_max_scaler.fit_transform(train_x)
# print(train_x)
#构建kmeans聚类器
kmeans = KMeans(n_clusters=3)
kmeans.fit(train_x_mm)
pred_y=kmeans.predict(train_x_mm)
#合并聚类结果
result = pd.concat((data,pd.DataFrame(pred_y)),axis=1)
result.rename({0:u'聚类'},axis=1,inplace=True)
print(result)
print('\n')
#练习：K-Means=5,且采用标准化方式规范化
#规范化数据StandScaler
ss=preprocessing.StandardScaler()
train_x_z=ss.fit_transform(train_x)
print(train_x_z)
#构建kmeans聚类器
kmeans = KMeans(n_clusters=5)
kmeans.fit(train_x_z)
pred2_y=kmeans.predict(train_x_z)
#合并聚类结果
result = pd.concat((data,pd.DataFrame(pred2_y)),axis=1)
result.rename({0:u'聚类'},axis=1,inplace=True)
print(result)展开作者回复: 正确，Ronnyz的代码能力不错
2019-07-01这也就是 K-Means 的中心思想，就是这么简单直接。你可能会问：如果一开始，选择一流球队是中国，二流球队是伊朗，三流球队是韩国，中心点选择错了怎么办？其实不用担心，K-Means 有自我纠正机制，在不断的迭代过程中，会纠正中心点。中心点在整个迭代过程中，并不是唯一的，只是你需要一个初始值，一般算法会随机设置初始的中心点。
老师，这段是否表述有误，如果你一开始就给中国一流球队的标签，在计算所有点到中国距离的平均距离过程中，分类点会收敛到这类标签的中心点，但是标签还是一流球队，并不会改变，变化的仅是分类点。因此，对于聚类，我们只是将所有样本点归到一个类别下，具体类别的标签应该是我们自己来标记的。如理解不对，还望指正！编辑回复: 对 可以这么理解，你可以理解是K=3代表是三个类，分别对应Class1, Class2, Class3。我们需要先给这三个类分别指定3个中心点，然后做聚类。最后的聚类标签含义，是我们来标记的。
2019-05-23#coding:utf-8
from sklearn.cluster import KMeans
from sklearn import preprocessing
import pandas as pd
import numpy as np
data = pd.read_csv('data.csv', encoding='utf-8')
train_x = data[["2019年国际排名", "2018世界杯", "2015亚洲杯"]]
df = pd.DataFrame(train_x)
kmeans = KMeans(n_clusters=5)
std = preprocessing.StandardScaler()
#min_max_scaler = preprocessing.MinMaxScaler()
#train_x = min_max_scaler.fit_transform(train_x)
train_x = std.fit_transform(train_x)
kmeans.fit(train_x)
predict_y = kmeans.predict(train_x)
result = pd.concat((data, pd.DataFrame(predict_y)), axis=1)
result.rename({0:u'聚类'}, axis=1, inplace=True)
print(result)展开
2019-05-19老师，我想问下，决策树可以用来聚类吗，如果可以，要怎么做呢？作者回复: 主要用于分类 和 回归
2019-05-09运行一次，结果变化一次。作者回复: 对 聚类算法有一定的随机性
- 2019-05-09文章里的代码也好，问题的解决代码也好，中国都会在0 和2 之间变化。运行一次，变化一次。
作者回复: 0 和 2只是label，关键是和谁聚在一起
2 
2019-04-19老师，想问个问题，为何我计算出来的结果正好相反，就是后面聚类生成的0、1、2 这些数据，最弱的队归位来0类，一流队归类来2类，看留言里的代码大家计算出来的结果也不尽相同，想问下老师，是不是K-Means结果只是起到聚类的效果，没有展示其它属性的效果作者回复: 0， 1， 2只是label，关键是看 聚类出来的 谁和谁聚成了一类。这个数值没有具体含义的
2019-04-14分为5来的代码：
# coding: utf-8
from sklearn.cluster import KMeans
from sklearn import preprocessing
import pandas as pd
import numpy as np
# 输入数据
data = pd.read_csv('data.csv', encoding='gbk')
print(data)
train_x = data[["2019年国际排名","2018世界杯","2015亚洲杯"]]
df = pd.DataFrame(train_x)
kmeans = KMeans(n_clusters=5)
# 规范化到 [0,1] 空间
min_max_scaler=preprocessing.MinMaxScaler()
train_x=min_max_scaler.fit_transform(train_x)
# kmeans 算法
kmeans.fit(train_x)
predict_y = kmeans.predict(train_x)
# 合并聚类结果，插入到原数据中
result = pd.concat((data,pd.DataFrame(predict_y)),axis=1)
result.rename({0:u'聚类'},axis=1,inplace=True)
result.sort_values('聚类',inplace=True)
print(result)
运行结果：
国家 2019年国际排名 2018世界杯 2015亚洲杯 聚类
0 中国 73 40 7 0
5 伊拉克 91 40 4 0
7 阿联酋 81 40 6 0
8 乌兹别克斯坦 88 40 8 0
18 科威特 160 50 15 1
14 印尼 164 50 17 1
1 日本 60 15 5 2
2 韩国 61 19 2 2
3 伊朗 34 18 6 2
4 沙特 67 26 10 2
15 澳洲 40 30 1 2
17 约旦 118 50 9 3
11 阿曼 87 50 12 3
12 巴林 116 50 11 3
13 朝鲜 110 50 14 3
16 叙利亚 76 40 17 4
9 泰国 122 40 17 4
6 卡塔尔 101 40 13 4
10 越南 102 50 17 4
19 巴勒斯坦 96 50 16 4展开作者回复: Good Sharing